基于卷積神經(jīng)網(wǎng)絡(luò)算法的城市軌道交通施工人員不安全行為智能識別技術(shù)*

郭 飛 孔 恒 喬國剛

(北京市政建設(shè)集團有限責(zé)任公司, 100048, 北京)

1 城市軌道交通施工人員不安全行為產(chǎn)生機理

不安全行為產(chǎn)生的本質(zhì)上是人的行為選擇,主要來源于人的錯誤推測、意外的動作、錯誤判斷和不安全思想。通常采用人的一般行為機制模式,即刺激-個體生理心理-反應(yīng)模型來描述此特征。認(rèn)知理論中將人的認(rèn)知分為發(fā)現(xiàn)信息、理解信息、思考應(yīng)對、執(zhí)行應(yīng)對等4個環(huán)節(jié);行為約束理論中認(rèn)為人處在社會大環(huán)境中,人的行為產(chǎn)生受到社會大環(huán)境的約束[1-2]。依據(jù)行為機制模式、認(rèn)知理論及行為約束理論,結(jié)合城市軌道交通的施工特點,構(gòu)建城市軌道交通施工人員不安全行為產(chǎn)生機理(見圖1)。

圖1 城市軌道交通施工人員不安全行為產(chǎn)生機理

結(jié)合城市軌道交通施工的實際工作環(huán)境,施工人員不安全行為產(chǎn)生機理闡述為[3]:第1個環(huán)節(jié)為施工人員通過耳、鼻、眼等感知器官接收到危險信息信號。第2個環(huán)節(jié)為施工人員在接收到危險信息信號后,對信息信號的辨識理解。前兩個環(huán)節(jié)主要表現(xiàn)為施工人員受到自身心理、生理、安全知識等內(nèi)部自身素質(zhì),以及現(xiàn)場環(huán)境、人際環(huán)境等外部環(huán)境的刺激。第3個環(huán)節(jié)為施工人員對危險信息進行思考并在大腦中檢索應(yīng)對方案,此過程受到自身安全意識、態(tài)度、能力等的內(nèi)部約束,以及安全監(jiān)督、檢查、懲罰情況等的外部約束。第4個環(huán)節(jié)為施工人員按照思考出的應(yīng)對方案選擇執(zhí)行,選擇執(zhí)行與否受到自身安全價值觀的內(nèi)部激勵和安全行為激勵的外部激勵影響。若每個環(huán)節(jié)輸出均有效,將會促使施工人員做出安全行為;反之,若有1個環(huán)節(jié)輸出為無效,將會促使施工人員做出不安全行為。

2 施工人員不安全行為識別方法

2.1 高精度定位技術(shù)

采用UWB(超寬帶無線通信)高精度定位系統(tǒng),對施工人員的不安全行為進行識別。該系統(tǒng)具有人員精確實時定位、電子圍欄、關(guān)鍵位置點攝像機聯(lián)動、現(xiàn)場安全作業(yè)標(biāo)準(zhǔn)化、現(xiàn)場聲光報警和廣播通知、防碰撞及違規(guī)接觸設(shè)備預(yù)警及運動軌跡回放等功能。該系統(tǒng)通過計算出移動標(biāo)簽與定位基站之間的距離,再通過特有算法定位標(biāo)簽位置,以判斷定位卡位置的人員范圍,同時利用動態(tài)圖形對其進行顯示[4]。UWB高精度定位系統(tǒng)結(jié)構(gòu)示意圖見圖2。

注:POE為以太網(wǎng)供電。

因此,城市軌道交通施工人員不安全行為精確定位技術(shù)通過人員定位卡、攝像頭、UWB通信、定位基站多終端結(jié)合模式,自動識別施工人員對于城市軌道交通施工過程中可能出現(xiàn)的位置隱患,通過定位技術(shù)來解決由于位置隱患帶來的不安全因素。

2.2 攝像機自標(biāo)定技術(shù)

若要實現(xiàn)危險源的智能識別,需首先進行攝像機標(biāo)定,目的在于獲得攝像機的內(nèi)外參數(shù)及畸變參數(shù),進而矯正畸變并重構(gòu)三維圖像。

假定空間一點的世界坐標(biāo)為Pw(Xw,Yw,Zw),攝像機坐標(biāo)為Pc(Xc,Yc,Zc),圖像坐標(biāo)為Pu(Xu,Yu),則從攝像機坐標(biāo)系到圖像坐標(biāo)系的轉(zhuǎn)換表示為:

(1)

式中:

Xd、Yd——轉(zhuǎn)換系數(shù)。

采用的畸變模型為:

(2)

式中:

k1、k2、k3——徑向畸變系數(shù);

p1、p2——切向畸變系數(shù)。

從世界坐標(biāo)到像素坐標(biāo)之間轉(zhuǎn)換的實現(xiàn),需經(jīng)歷攝像機坐標(biāo)與圖像坐標(biāo),得到式(3):

(3)

式中:

s——適應(yīng)齊次坐標(biāo)的比例因子;

c——不垂直因子,一般情況下感光元件為矩形,故設(shè)為0;

fg、fh——攝像機在圖像像素坐標(biāo)系中以像素為單位的焦距;

g、h——攝像機的坐標(biāo);

g0、h0——圖像像素的坐標(biāo);

R、［Objective］——旋轉(zhuǎn)矩陣和平移矩陣。

最后,求出攝像機參數(shù),即:內(nèi)參數(shù)fg、fh、g0、h0、k1、k2、k3、p1、p2,外參數(shù)R、［Objective］。

為了使提取的圖像具有高清晰度,需對其進行預(yù)處理。本研究采用裝置內(nèi)嵌的機器視覺庫來進行處理。圖像處理流程如圖3。

圖3 圖像處理流程

2.3 基于卷積神經(jīng)網(wǎng)絡(luò)算法的智能識別技術(shù)

結(jié)合卷積神經(jīng)網(wǎng)絡(luò)算法,對人不安全行為進行識別。基于卷積神經(jīng)網(wǎng)絡(luò)算法的智能識別框架[5-7]見圖4。

圖4 基于卷積神經(jīng)網(wǎng)絡(luò)算法的智能識別框架圖

本研究首先采集城市軌道交通施工監(jiān)控視頻數(shù)據(jù),包括安全帽、安全帶、工服及香煙等物品的正樣本,以及數(shù)量遠大于正樣本數(shù)量的負樣本(即出現(xiàn)在城市軌道交通施工中但無危險性的物品)。在將城市軌道交通施工圖像案例預(yù)處理后,提取對應(yīng)圖像的融合特征,包括邊緣特征、顏色特征和紋理特征;將圖像的融合特征轉(zhuǎn)化為像素點并以卷積核(即權(quán)重)的形式表示,從而得到卷積層的輸出結(jié)果;對卷積層輸出結(jié)果進行匹配,從而基于圖像的融合特征實現(xiàn)智能識別。計算模型為[8]:

(4)

(5)

式中:

ηn(ai)——第n特征階層;

U——灰度級數(shù)目;

ai——處理后目標(biāo)圖像灰度隨機變量,0≤i≤U-1;

x(ai)——對應(yīng)的灰度直方圖。

通過量綱一化處理,可得到城市軌道交通施工過程中的圖像融合特征η3(a):

(6)

基于卷積神經(jīng)網(wǎng)絡(luò)算法,進一步從城市軌道交通施工作業(yè)現(xiàn)場或重點區(qū)域采集的視頻畫面中提取關(guān)鍵信息,識別出視頻畫面中的目標(biāo)特征,以及視頻畫面中的違章行為,例如,施工人員未進行身份驗證、未佩戴安全帽和安全帶、未穿戴工服,以及施工現(xiàn)場出現(xiàn)明火煙霧等,并實時預(yù)警處理。具體的識別流程為:識別出施工人員行為或著裝是否符合安全標(biāo)準(zhǔn),如果滿足則忽略該信息;如果不滿足安全需求,系統(tǒng)將會將此情況傳輸至調(diào)度中心并發(fā)出報警信號,提示相關(guān)人員立即更正錯誤行為。城市軌道交通施工人員不安全行為的智能識別流程見圖5。

3 案例分析

以安全帽識別為例,首先構(gòu)建安全帽識別拓撲圖(見圖6)。

圖6 未佩戴安全帽識別系統(tǒng)拓撲圖

施工現(xiàn)場安全帽識別流程為:以施工現(xiàn)場的工人為識別對象,以網(wǎng)絡(luò)攝像機為載體,通過識別主機進行信息篩選并進行網(wǎng)絡(luò)傳輸,將信息分別輸送到管理儲存器、客戶端主機等,并對相應(yīng)的違規(guī)行為通過音響進行制止。

對基于卷積神經(jīng)網(wǎng)絡(luò)的施工人員不安全行為識別的算法進行準(zhǔn)確性測試:基于現(xiàn)場施工圖庫選取圖片作為識別對象,要求圖片中同時存在戴安全帽與未戴安全帽的目標(biāo)對象;基于卷積神經(jīng)網(wǎng)絡(luò)算法對圖片中的目標(biāo)對象進行特征提取,并將兩個人的狀態(tài)進行區(qū)分。測試表明:本研究的算法可實現(xiàn)對未佩戴安全帽人員的識別,即驗證了該算法智能識別的準(zhǔn)確性。

因此,在施工現(xiàn)場當(dāng)攝像機獲取的圖像中出現(xiàn)未戴安全帽的人員時,軟件自動從攝像機視頻流中抓拍圖像和報警。識別過程中對于安全帽的顏色未限制,并且需滿足以下要求:遠距離時,人體高度需大于整體圖像的 1/10,即人眼可分辨;近距離時,人體至少露出上半身。

進一步進行施工現(xiàn)場安全帽識別試驗,如圖7所示。通過對城市軌道交通施工人員視頻采集終端采集的視頻畫面分析發(fā)現(xiàn)該員工未戴安全帽,將該識別信息上傳至調(diào)度中心,證明了本研究中識別施工人員不安全行為的準(zhǔn)確性。同時施工現(xiàn)場通過語音播報對該行為進行預(yù)警,最終實現(xiàn)施工區(qū)域未佩戴安全帽行為的智能管理。

圖7 施工現(xiàn)場安全帽識別試驗

4 結(jié)語

針對城市軌道交通施工過程中由于施工人員的不安全行為,以及傳統(tǒng)管理模式滯后造成的安全隱患,分析了城市軌道交通施工過程中施工人員不安全行為的產(chǎn)生機理,并對其進行細化分類。基于此綜合采用UWB高精度定位技術(shù)、攝像機自標(biāo)定技術(shù)及卷積神經(jīng)網(wǎng)絡(luò)算法,實現(xiàn)對施工人員的定位,以及對施工人員行為動作的高精度捕捉與智能識別,最終構(gòu)建集定位、感知、識別、預(yù)警和音視頻通信功能的一體化綜合管理平臺,并驗證施工人員不安全行為識別的有效性,對保障施工人員的安全和推進城市軌道交通建設(shè)的發(fā)展有重要意義。